无人驾驶车辆横向位置改良单神经元PID控制

根据无人驾驶车辆横向运动学模型高非线性、时变的特点,设计了改良单神经元PID控制器,进而制定出相应的横向位置跟踪控制方案.采用该控制方案即使车体在速度时变的情况下,仍得到较好的控制效果,提高了在不确定环境中轨迹跟踪的鲁棒性.经VRML语言建立起的三维动画仿真,验证了该控制方法的正确性,为无人驾驶车辆轨迹跟踪的实用控制方案提供了理论依据.     

基于自适应MPC的无人驾驶车辆轨迹跟踪控制

根据自适应模型预测控制相关原理,设计一种无人驾驶车辆的轨迹跟踪控制策略.基于车辆动力学模型,建立轨迹跟踪控制器,并设计目标函数与相关约束,利用自适应MPC(model predictive control)控制算法对其进行求解.在每一个控制时刻工作点,不断更新卡尔曼状态估计器相关增益系数矩阵以及控制器的状态来适应无人驾驶车辆当前的工作环境,以此补偿车辆的非线性以及状态测量噪声带来的影响.在MATLAB中搭建仿真模型并进行仿真验证,得出自适应MPC对于无人驾驶车辆的轨迹跟踪拥有较好的控制精度与鲁棒性,验证了该算法应用在轨迹跟踪控制层的有效性,为轨迹跟踪控制的研究提供了参考.     

基于时间延迟动态预测的自动驾驶控制

由于驾驶过程中的延迟和前视距离等因素,无人车无法准确跟踪规划轨迹。该文通过选择简化的自行车车辆模型,在纯跟踪模型的基础上对原有的算法进行优化,提出了一种基于动态延迟预测的自动驾驶控制方法。通过车辆运动学模型预测延迟后的车辆运动方向和位置信息,并根据行驶方向和轨迹方向之间的偏差值,获得最佳前视距离。MATLAB仿真结果表明,改进的算法可以以7m/s的行驶速度跟踪规划轨迹,平均误差可以控制在0.3m以内,跟踪性能优于传统的纯跟踪方法。     

考虑行驶稳定性的四轮转向车辆路径跟踪控制研究

为了改善高速和低附着路面上无人驾驶车辆的行驶稳定性和保障行车安全,以四轮转向车辆为研究对象提出了一种考虑行驶稳定性的路径跟踪控制方法。首先基于模型预测控制算法设计了四轮转向路径跟踪控制器,然后根据质心侧偏角-质心侧偏角速度相平面稳定域和零质心侧偏角控制目标设计了车辆状态参数包络约束,在路径跟踪算法中加入轮胎侧偏角约束和车辆状态参数包络约束,保证车辆行驶时的稳定性。CarSim和Simulink联合仿真结果表明,采用基于包络线稳定性控制策略的车辆在高速行驶时或在低附着路面上行驶时能保持良好的路径跟踪能力并具有较好的行驶稳定性。     

四轮独立转向无人车辆斜向行驶轨迹跟踪控制方法

针对四轮独立转向电动汽车转向系统成本高、但功能开发程度低的问题,提出一种车辆斜向行驶控制策略,优化四轮独立转向电动汽车换道过程中的行驶稳定性. 基于四轮独立转向电动汽车横向、纵向二自由度车辆模型,提出一种横纵向耦合轨迹跟踪控制方法,该方法基于线性时变模型采用模型预测控制（MPC）算法,对横向偏差、航向角偏差及纵向速度偏差进行闭环控制. 设计车辆稳定性控制器,包括横摆力矩控制器和转矩分配控制器,同时提高车辆轨迹跟踪精度和行驶稳定性. 最后搭建Simulink/Carsim/Prescan联合仿真平台,对四轮独立转向电动汽车双移线工况进行模拟换道仿真,仿真结果证明了斜向变道的可行性和横纵向耦合轨迹跟踪控制方法的有效性.      

无人驾驶汽车避障方法探析

无人驾驶汽车是依靠车内以计算机系统为主的智能驾驶仪来实现无人驾驶的智能汽车,它是利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。无人驾驶汽车对解决现存的交通驾驶问题和提升安全性具有重大的现实意义。国内外对无人驾驶车辆避障的研究成果,主要从对周围动态环境的探测、对路径轨迹的跟踪与预测以及行驶路径规划3个方面对避障过程进行分析研究,从而让未来的无人驾驶技术的发展更有无限可能性。     

智能车辆轨迹跟踪控制方法研究

针对智能车辆的轨迹跟踪控制问题,提出了一种可以调节参数的智能车辆轨迹跟踪控制方法.首先,设计了模糊控制器对智能车辆进行路径跟踪控制;其次,为了提高车辆在高速下的路径跟踪效果,设计模型预测控制器,并结合轮胎的动力学特性及车辆动态特性对轮胎侧偏角、质心侧偏角等进行约束;然后,为了提高车辆在不同工况下的路径跟踪效果,进一步设计了基于PSO算法的模型预测控制器.比较三种控制器的控制效果,选择典型工况在联合仿真平台上进行仿真.结果表明,提出的智能车辆的轨迹跟踪控制方法可以有效地对车辆轨迹进行跟踪.     

汽车弯道行驶经济性车速优化方法

道路曲率影响汽车的燃油经济性.以汽车弯道行驶燃油经济性为目标,提出了基于弯道曲率信息的经济性车速优化方法.通过建立BIT-TFCM瞬时燃油消耗模型和车辆动力学模型,得到单一曲率圆周道路下的稳态经济性车速.利用动态规划算法求得汽车驶入和驶离弯道两种工况下的经济性车速轨迹.Matlab/Simulink与CarSim联合仿真结果表明,与典型驾驶员弯道行驶模式相比,该算法可节油5.69%~15.91%.该技术可以明显提高传统汽车弯道行驶燃油经济性,也可为无人驾驶车辆弯道速度控制提供决策依据.      

基于驾驶员行为的神经网络无人驾驶控制

针对铰接式自卸车的转向特性,提出了一种基于驾驶员行为的神经网络无人驾驶控制方法.建立了以激光雷达、角度传感器为主要环境信息的采集系统,通过分析铰接式车辆转向特征建立铰接式自卸车运动学模型和动力学模型,利用ADAMS动力学软件建立车辆动力学模型并进行车辆稳态测试.建立基于最优预瞄控制的人工神经网络控制算法的驾驶员模型,通过ADAMS-Matlab/Simulink联合仿真验证模型.最后搭建真实巷道环境进行直线路段回正实验和曲线路径跟踪实验,结果显示,该控制模型在变曲率路段中,横向位置偏差小于可通过路径宽度的10%,航向角偏差优化90%,表明该神经网络驾驶员控制模型收敛速度快,稳态特性好,具有良好的无人驾驶能力.     

基于自适应MPC的自动驾驶汽车轨迹跟踪控制

为提高无人驾驶汽车轨迹跟踪精度和稳定性,设计一种基于模型预测控制(MPC)的自适应轨迹跟踪控制器.利用遗忘因子递推二乘算法在线估计轮胎侧偏刚度,实时更新控制器预测模型;设计控制参数选择器,采用模糊控制对预测时域和控制时域进行在线优化,实现预测时域能根据横向和纵向车速自适应的选择.通过Simulink/Carsim进行联合仿真分析,结果表明所设计的控制器提高了轨迹跟踪的精度和稳定性,尤其是高速阶段的行驶稳定性.     

融合反步法的无人驾驶汽车轨迹跟踪控制方法

为了解决无人驾驶汽车轨迹跟踪控制的准确性、稳定性和快速性问题,将反步法分别融合滑模变结构控制和模糊自适应控制.建立车辆三自由度运动学位姿误差微分方程,推导了基于反步法的车速和横摆角速度控制律,结合Lyapunov稳定性判据验证了系统稳定性.分别建立融合反步法的滑模变结构和模糊自适应轨迹跟踪控制方法,结合轨迹跟踪稳态误差、超调量和调整时间,验证、比较了控制方法准确性、稳定性和快速性3种性能的优劣.结果表明：融合反步法的滑模变结构轨迹跟踪控制的稳定性最好,轨迹跟踪超调量接近于0;融合反步法的模糊自适应轨迹跟踪控制快速性最好,轨迹跟踪调整时间相对于反步法缩短了18.2%.     

车辆变速轨迹跟踪横纵耦合控制方法

针对变化速度下车辆轨迹跟踪精度以及实时性差的问题,提出一种基于模型预测控制的横纵耦合控制方法。在三自由度车辆动力学模型中,将车轮驱动力与前轮转角作为控制量,以单控制器形式实现车辆横纵向运动的综合控制,并且在考虑耦合特性的基础上,设计目标函数与可变权重系数,求解最优横纵向控制量。并且基于五次多项式理论,设计一种变速双移线轨迹以验证控制器综合轨迹跟踪能力。实验结果表明,该控制器能有效跟踪变化车速并且保持高轨迹跟踪精度与良好的实时性。     

基于视频车辆轨迹模型的交通事件自动检测方法研究

 研究了车辆违章逆行、停驻、掉头、倒退、变道五类具有潜在危险的交通（违章）事件,并且运用了基于视频的交通事件自动检测技术所涉及的目标提取、车辆跟踪和事件理解与描述3个步骤实现交通事件的检测。着重研究并分析了车辆跟踪得到的行驶轨迹点,将复杂的车辆轨迹分解为前行、反行、停滞、斜行四类轨迹元素,并且根据4类轨迹元素对车辆的行驶行为进行数学建模,最后通过模型制定合理的检测算法。实验表明,该算法可以有效地区分正常车辆与事件车辆,能够快速准确地检测上述5类交通事件。     

越野地形下智能车辆的动力学建模与轨迹跟踪

提出一种越野地形下智能车辆的动力学建模与轨迹跟踪控制方法.针对越野地形建立了考虑路面倾角的智能车辆动力学模型,并推导了基于零力矩点的车辆侧倾安全约束.然后考虑上述车辆动力学模型及安全约束条件,设计了基于模型预测的智能车辆轨迹跟踪控制器.仿真试验表明该方法可以有效地适应复杂的越野地形,并能够在实现无碰撞轨迹的同时防止车辆发生侧翻危险.      

考虑横纵向误差协调的智能汽车路径跟踪控制研究

针对传统轨迹跟踪控制方法应用场景局限,精度不高的问题,为实现车辆横纵向联合控制从而提升无人驾驶汽车在结构化场景下的轨迹跟踪效果,本文建立了自然坐标系下的车辆跟踪误差模型,设计基于LQR与PID相结合的车辆横纵向耦合控制器。在横向控制层面,为消除系统稳定误差,通过引入前馈控制量实现系统的整体稳定,减小车辆在实际运行过程中产生的横向误差,提升控制过程的稳定性;在纵向控制层面,运用PID控制策略进行调节,实现车辆的实际速度与规划速度,实际位置与规划位置之间的精确匹配。通过MATLAB/Simulink与Carsim搭建联合仿真平台,针对日常泊车、驶入主路以及超车多种工况进行仿真验证。仿真结果表明：本文所设计的横纵向联合控制器将车辆的轨迹跟踪误差控制在可接受范围之内的同时,轨迹跟踪效果满足乘客对车辆乘坐舒适性的要求,故本文设计的控制器具备一定的稳定性和准确性。     

基于滚动预瞄模型的纯跟踪算法

针对无人驾驶车辆采用纯跟踪算法对不同曲率路径跟踪时,出现道路适应能力弱和跟踪精度差的问题,提出一种基于代价的滚动预瞄模型(rolling preview model, RPM),以提高纯跟踪算法跟踪精度与鲁棒性。首先,根据车辆运动学与阿克曼转向几何,提出预瞄轨迹的确定方法以及预瞄轨迹与待跟踪路径间的几何约束;其次,设计道路弯曲度加权项并构建目标函数对预瞄轨迹进行优化,以获得预瞄距离的最优值;最后,在ROS/Gazebo仿真环境下设置不同初始状态与不同曲率的工况进行对比仿真实验,并在空旷环境中对8字形路径进行实车跟踪实验。实验结果表明,所提出的滚动预瞄模型能够根据预瞄轨迹与待跟踪路径的几何关系有效调节预瞄距离,相较于麻省理工(Massachusetts Institute of Technology, MIT)算法和Stanley算法,滚动预瞄模型在特殊初始状态、大曲率道路下有利于跟踪精度的提高。     

户外小型智能移动机器人运动轨迹跟踪控制

该文根据户外小型智能移动机器人的应用特点研究了轨迹跟踪控制。基于机器人的动力学模型，利用后退方法的思想，设计了全局收敛的稳定可靠的跟踪控制律，提高了移动机器人在不确定性环境中工作的鲁棒性，比基于运动学模型设计的控制律更加适宜于工程应用，经仿真计算，验证了该控制方法的正确性，为户外小型智能移动机器人轨迹跟踪的实用控制方法提供了理论依据。     

FROG-LEG型机械手的模型预测控制研究

研究了FROG-LEG型机械手的轨迹跟踪控制问题,提出将基于动力学的预测控制应用于机械手的位置控制,并利用当前时刻控制误差补偿下一周期的控制量。在分析FROG-LEG型机械手结构的基础上,首先建立了机械手的等效串联结构运动学模型,然后建立了水平和垂直方向解耦的动力学模型,在此基础上对并联机械手进行了基于预测控制的轨迹跟踪研究。仿真实验表明:该预测控制方案可以使得机械手有效地跟踪路径规划器给出的轨迹;关键关节的控制效果可以通过加大其权重得到提高;模型校正可以大大降低控制误差。     

自动驾驶车辆轨迹跟踪横向偏差影响因素研究

车辆轨迹跟踪精度是目前智能驾驶技术发展的瓶颈问题之一.影响车辆轨迹跟踪精度的因素很多,从模型离散化处理参数-采样时间间隔和初始航向角入手,研究对自动驾驶车辆的轨迹跟踪精度影响规律.采用车辆二自由度动力学模型,基于模型预测控制算法(the model predictive control,MPC)控制车辆进行轨迹跟踪.仿真结果表明,采样时间间隔对轨迹跟踪横向偏差影响较大,而航向角对跟踪偏差影响较小.     

基于五阶Bezier曲线的无人车避障轨迹规划

无人驾驶汽车的局部路径规划对于自动驾驶技术的推广有着至关重要的作用。为了研究无人驾驶汽车在运行过程中前方会出现会静止障碍物采用换道避障策略的情况,提出了基于五阶Bezier曲线的局部路径规划方法。首先,通过分析车辆性能极限及车辆碰撞边界确定换道过程中车辆的可行驶域,再进一步考虑车辆的物理特性提出轨迹曲线优化目标函数,确定五阶Bezier曲线的六个控制点,得到最优避障轨迹。然后利用CarSim和MATLAB/Simulink软件进行仿真实验验证,结果表明此方法能够规划出易于车辆跟踪的轨迹曲线,且针对不同车速情况下的换道避障能够分别产生此车速下的最优避障轨迹。